GEO-Insights Timeline
AI-Chatbots & Suchmaschinen
KW 37/2026

07.09.2026 – 13.09.2026

GEO-Insights KW 37/2026: OpenAI, Google, ChatGPT, Chunking

Bestätigung: ChatGPT bewertet Webseiten auf Passage-Ebene · ChatGPT: Reddit fällt real, Listicles nur anteilig · DeepMind erprobt LLM-basiertes Autoregres…

3 Einträge · 2 Erkenntnis · 1 Modellwechsel

  1. 2026
  2. INSIGHT11.09.2026Metehan Yeşilyurt / Peec AI

    Bestätigung: ChatGPT bewertet Webseiten auf Passage-Ebene

    OpenAI

    Eine Analyse von ChatGPT-UI-Daten deutet auf eine mehrstufige, hybride Websuche hin: Vorindexierte Seiten liefern bewertete Passagen, deren höchste Relevanzwerte normalisiert werden. Frische oder nicht indexierte Seiten werden demnach zur Laufzeit in viele Fragmente zerlegt. Die Ergebnisse können je nach Modell, Modus und A/B-Test variieren und betreffen nicht die API. Seiten werden in Passagen zerlegt und Chunks anhand neuronaler Relevanzwerte bewertet. Bei 76 vorindexierten Seiten stimmten Anzahl und Reihenfolge der Chunks zwischen Such- und Fetch-Daten überein; die Werte wurden offenbar relativ zum besten Chunk normalisiert.

    Was sich ändert

    Für GEO sollten einzelne Textpassagen semantisch eigenständig, originell und autoritativ formuliert sein, da offenbar Chunks statt ausschließlich kompletter Seiten bewertet werden. Klare Abschnittsstrukturen können die passagebasierte Auffindbarkeit unterstützen.

    #ChatGPT#Chunking#Retrieval#Passage Scoring#Citations
    Quelle öffnen
  3. MODEL11.09.2026David Konitzny

    ChatGPT: Reddit fällt real, Listicles nur anteilig

    OpenAIGPT-5.6

    David Konitznys Auswertung seit dem GPT-5.6-Wechsel zeigt: Das indexierte Gesamtvolumen abgerufener Quellen stieg von 100 auf 175. Listicles blieben mit 92 nahezu stabil und verloren vor allem relativ an Anteil; Reddit sank dagegen absolut auf 31. Ein Reddit-Peak im Mai wird auf zeitweise um „reddit“ ergänzte Fan-out-Suchanfragen zurückgeführt.

    Was sich ändert

    GEO-Strategien sollten nicht allein auf prozentualen Quellenanteilen beruhen. Absolute Abrufmengen und Änderungen der Fan-out-Queries müssen getrennt betrachtet werden.

    #ChatGPT#Citations#Retrieval#Reddit#Query Fan-out
    Quelle öffnen
  4. INSIGHT10.09.2026Roger Montti

    DeepMind erprobt LLM-basiertes Autoregressive Ranking

    Google

    Google DeepMind und universitäre Forscher schlagen Autoregressive Ranking (ARR) als Alternative zur zweistufigen Suche mit Dual und Cross Encodern vor. Die Trainingsmethode SToICaL verbesserte in Tests zentrale Ranking-Metriken und unterdrückte irrelevante Dokumente, zeigte jedoch Schwächen bei einzelnen Top-1-Ergebnissen. Ein Einsatz in der Google-Suche ist nicht bestätigt.

    Was sich ändert

    Sollte ARR produktiv eingesetzt werden, könnten LLMs die Dokumentauswahl und -reihenfolge direkter bestimmen, was bestehende SEO- und GEO-Ansätze grundlegend verändern könnte. Derzeit ergeben sich daraus noch keine konkreten Optimierungsmaßnahmen.

    #Autoregressive Ranking#SToICaL#Search Ranking#LLM#Google DeepMind
    Quelle öffnen